济南大学信息科学与工程学院
- 作品数:1,030 被引量:3,584H指数:21
- 相关作者:王玉泰马炳先蔺永政魏长智乔善平更多>>
- 相关机构:山东大学计算机科学与技术学院山东大学控制科学与工程学院北京科技大学计算机与通信工程学院更多>>
- 发文基金:国家自然科学基金山东省自然科学基金国家高技术研究发展计划更多>>
- 相关领域:自动化与计算机技术文化科学电子电信理学更多>>
- 拓扑理论在机器视觉中的研究进展
- 拓扑理论在机器视觉的研究中有着非常重要的意义.本文介绍了当前对二维图形及三维实体的拓扑性质检测的主要方法,并详细讨论了拓扑学在机器视觉中的应用及其研究现状。
- 赵磊董吉文李金屏
- 关键词:拓扑性质机器视觉
- 文献传递
- Apriori改进算法及其在课程相关性分析中的应用
- 2008年
- 该文分析与研究了Apriori算法,指出其在实用中存在的主要问题。鉴于此,该文提出了一种改进的关联规则挖掘算法,使其可以有效地压缩数据规模,并给出了改进后的关联规则算法描述。最后将其应用于课程相关性分析,得到了有益于课程设置挖掘结果。实验结果表明了算法性能优良,提高了数据挖掘执行的效率。
- 董彩云刘培华
- 关键词:数据挖掘关联规则APRIORI算法
- 双目测距系统高精度装配方法研究被引量:3
- 2018年
- 为解决双目测距系统精确、快捷安装的问题,提出了一种使用平面标定物来完成双目测距系统高精度装配的方法。通过分别调整单个摄像机,使摄像机坐标系与平面标定物坐标系没有旋转只有平移,从而达到左右摄像机投影面共面且行对准,实现双目测距系统高精度装配。进行立体标定实验,对立体标定结果进行分析,并求出左右摄像机投影坐标系的相对旋转角度。实验结果表明,双目摄像机的相对旋转角度有明显改善,可以实现高精度地摄像机安装。
- 王加帅李兰芳黄发忠杨星海辛化梅
- 关键词:双目测距摄像机标定
- 利用BP神经网络预测蛋白质三级结构被引量:5
- 2009年
- 在已知的蛋白质结构研究方法基础上,提出将多分类问题转化成一对多的二分类问题,来预测蛋白质的未知结构。训练多个单分类器进行分类;选用后向传播(Back Propagation,BP)神经网络作为分类预测模型;以伪氨基酸作为网络输入特征;选用Chou提出的蛋白质数据集;实验数据采用全交叉验证(Jackknife)。结果表明:此法能够提高蛋白质三级结构预测的准确率。
- 蔡娜娜陈月辉李伟
- 关键词:后向传播神经网络
- 基于LabWindows/CVI的温室环境控制系统设计被引量:3
- 2007年
- 详细介绍了一种基于虚拟仪器(LabWindows/CVI)平台的温室环境控制系统的设计方法,并从硬件、软件上加以实现。上位机PC通过串口向下位机ATMEGA8单片机传送指令,下位机按要求采集温室系统的相关数据,上传给上位机,送数据库保存和处理。
- 张梦麟李念强
- 关键词:虚拟仪器LABWINDOWS/CVIATMEGA8SQLSERVER
- 均衡数据法提高蛋白质二级结构预测被引量:2
- 2009年
- 传统蛋白质二级结构预测,由于氨基酸序列中三种结构数量的差异,易造成不均衡训练,使得对三种结构的预测准确率差别较大。为改善这种缺陷,受装袋原理的启发,对传统方法进行改进,缩小训练时三种结构数量的差距。在实验中,采用数据集CB396,结果表明该方法能够显著提高对折叠的预测正确率,而且在总的预测正确率上达到77.3%,可以较好地进行蛋白质二级结构预测。
- 李伟赵亚欧陈月辉
- 关键词:BP神经网络蛋白质二级结构
- 基于BP神经网络诊断桥梁结构故障被引量:4
- 2009年
- 改进BP算法加快其收敛速度,将其应用于诊断悬梁板的故障。通过仿真实验验证该算法可行有效,可实现故障裂纹位置的预测,提高故障识别率28.01%。
- 李丽刘明军
- 关键词:神经网络BP算法故障诊断
- LED照明网络控制芯片的设计及应用
- 2014年
- 针对传统的照明网络存在高功耗和编址复杂等问题,设计支持多通道的LED照明网络控制芯片。控制芯片包含控制通道接口和数据通道接口,对多通道协议进行处理。应用控制芯片可以实现多通道的LED照明网络架构,简化照明节点编址过程。经测试,该控制芯片可以支持照明节点编址,而且芯片功耗大约为89 mW,与现有技术相比,有效地降低了功耗。
- 尚鹏杨波孙涛
- 关键词:发光二极管多通道低功耗
- 基于AWS的波形发生器和FFT频谱分析仪的研究被引量:2
- 2002年
- 基于任意波形合成系统(AWS),提出了一种高度智能化的“波形发生器和快速频谱分析仪”的设计方案及其实现途径,着重讨论了软件设计和系统构成方面的关键技术。
- 成谢锋张少白冯志全李金屏
- 关键词:FFT频谱分析仪智能仪器电子测量
- 特征的支持度与其分类能力的关系研究被引量:1
- 2015年
- 频繁模式挖掘在分类问题中得到了广泛的应用,大量的工作利用频繁模式挖掘对分类问题进行特征选择,但对于为什么频繁模式挖掘可以在分类问题中进行有效的特征选择则缺乏系统的研究.为了为频繁模式挖掘在分类问题中的特征选择应用提供理论基础,需要确立特征的支持度与特征分类能力之间的关系,本文以特征的信息增益作为分类能力的评价准则,讨论其与特征支持度之间的联系.首先证明了信息增益是特征支持度的上凸函数;然后,在二类问题和多类问题情况下,分别证明了具有低支持度或高支持度的特征具有有限的信息增益,即具有低支持度或高支持度的特征具有有限的分类能力.最后,通过仿真实验验证了支持度与信息增益之间的关系,为频繁模式挖掘在分类问题中的应用提供了理论基础.
- 尹建芹田国会魏军李金屏林佳本
- 关键词:信息增益